实验三 图像增强

实验三 图像增强—直方图变换
一、 实验目的
1．掌握灰度直方图的概念及其计算方法；
2．熟练掌握直力图均衡化和直方图规定化的计算过程；
3．熟练掌握空域滤波中常用的平滑和锐化滤波器；
4．利用MATLAB 程序进行图像增强。

二、 实验内容
1打开计算机，启动MATLAB 程序；输入待处理的图像文件；
2调入数字图像，并进行图像均衡化处理；
3显示原图像的直方图和经过均衡化处理过的图像直方图。

4.利用imnoise 命令在图像上加入高斯(gaussian) 噪声
5.利用预定义函数fspecial 命令产生平均(average)滤波器
111191111---⎡⎤⎢⎥--⎢⎥⎢⎥---⎣
⎦ 6.分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果；
7.选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。

8.利用imnoise 命令在图像上加入椒盐噪声(salt & pepper)
9.重复c)~ e ）的步骤
10输出全部结果并进行讨论。

11.记录和整理实验报告
三、 思考题
1． 直方图是什么概念？它反映了图像的什么信息？
答：直方图是灰度级数的函数，反映了图像中具有该灰度级数的像素的个数。

2．直方图均衡化是什么意思？它的主要用途是什么？均衡化后的图像有什么特点？
3. 简述高斯噪声和椒盐噪声的特点。

4. 结合实验内容，定性评价平均滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效果？
5. 结合实验内容，定性评价滤波窗口对去噪效果的影响？
四、实验结论
源程序代码：
clear all;
clc;
%输入一幅图像，进行图像输出图像直方图
p1=imread('1.png');%读入原始灰色图像
p=rgb2gray(p1);
imshow(p);title('原始图像');
%自己编写函数绘制直方图
[m,n]=size(p);%测量图像大小
h1=zeros(1,256);%总共有0~255，共256个灰度级
h2=zeros(1,256);%总共有0~255，共256个灰度级
for k=0:255
h1(k+1)=length(find(p==k))/(m*n);%计算每级灰度出现的概率，将其放入向量
h2(k+1)=length(find(p==k));%计算每级灰度出现的概率，将其放入向量
end
[count,x]=imhist(p);
%在一幅图像中输出结果
figure
axis([-100,300,0,3600]);
subplot(141);bar(0:255,h1,'g');title('自己编的代码绘制直方图(频率）');
subplot(142);bar(0:255,h2,'b');title('自己编的代码绘制直方图(频数）');
subplot(143);imhist(p);title('利用matlab的代码绘制原图像的直方图');
subplot(144);stem(x,count);title('利用matlab的代码绘制原图像的直方图');
运行结果图如下：
实验结论：利用自己编的函数分别绘制出图像灰度级的频数和频率，然后利用matlab已经有的函数imhist绘制原图像的直方图，但是其中有问题，为什么在使用imhist函数的时候，明显纵坐标的最大值只有1400，达不到实际数值3511.
源程序代码：
%% 图像工程的第三章作业2016.09.26
clear all;
clc;
%输入一幅图像，进行图像输出图像直方图
p1=imread('1.png');%读入原始灰色图像
p=rgb2gray(p1);
%自己编写函数绘制直方图
[m,n]=size(p);%测量图像大小
h=zeros(1,256);%总共有0~255，共256个灰度级
for k=0:255
h(k+1)=length(find(p==k))/(m*n);%计算每级灰度出现的概率，将其放入向量
end
S1=zeros(1,256);
S1=h(1)
for i=2:256
S1(i)=h(i)+S1(i-1);%计算Sk
end
S2=round((S1*256)+0.5);%将Sk归到相近级的灰度
for i=1:256
S3(i)=sum(h(find(S2==i)));%计算现有每个灰度级出现的概率
end
P=p;
for i=0:255
P(find(p==i))=S2(i+1);
end
q=histeq(p);
figure
subplot(131);imshow(p);title('原始图像');
subplot(132);imshow(P);title('代码绘制的均衡化后的图像');
subplot(133);histeq(p);title('matlab绘制的均衡化后的图像');
figure
subplot(121);imhist(q);title('已有函数绘制均衡化后的直方图')%显示均衡化后的直方图subplot(122);bar(0:255,S3,'b');title('自己编写的代码绘制的均衡化后的直方图')%显示均衡化后的直方图
xlabel('灰度值')
ylabel('出现概率')
运行结果图如下：
实验结论：利用上课已经得到的计算过程计算均衡化算法，并将利用matlab已有的函数绘制的均衡化后的图像以及直方图与自己手编的函数绘制的图像以及直方图进行对比，这里一个显示的频数，一个显示的是频率。

源程序如下：
%% 图像工程的第三章作业2016.09.26
clear all;
clc;
%输入一幅图像，进行图像输出图像直方图
p=rgb2gray(imread('彩色lena图像.jpg'));%读入原始灰色图像
p1=imnoise(p,'gaussian',0.02);
a1=fspecial('average',3);%产生3×3的均值模版
a2=fspecial('average',5);%产生5×5的均值模版
w1=filter2(a1,p1)/255; %均值滤波3×3
w2=filter2(a2,p1)/255; %均值滤波5×5
w3=medfilt2(p1,[3 3]);%中值滤波3×3
subplot(231);imshow(p);title('原始图像');
subplot(232);imshow(w1);title('均值滤波3×3');
subplot(233);imshow(w2);title('均值滤波5×5');
subplot(234);imshow(p1);title('加入高斯噪声的图像'); subplot(235);imshow(w3);title('中值滤波3×3');
subplot(236);imshow(w4);title('中值滤波5×5');
运行结果图如下：
源程序如下：
%% 图像工程的第三章作业2016.09.26
clear all;
clc;
%输入一幅图像，进行图像输出图像直方图
p=rgb2gray(imread('彩色lena图像.jpg'));%读入原始灰色图像p1=imnoise(p,'salt & pepper',0.02);
a1=fspecial('average',3);%产生3×3的均值模版
a2=fspecial('average',5);%产生5×5的均值模版
w1=filter2(a1,p1)/255; %均值滤波3×3
w2=filter2(a2,p1)/255; %均值滤波5×5
w3=medfilt2(p1,[3 3]);%中值滤波3×3
subplot(231);imshow(p);title('原始图像');
subplot(232);imshow(w1);title('均值滤波3×3');
subplot(233);imshow(w2);title('均值滤波5×5');
subplot(234);imshow(p1);title('加入高斯噪声的图像');
subplot(235);imshow(w3);title('中值滤波3×3');
subplot(236);imshow(w4);title('中值滤波5×5');
运行结果图如下：
经过上述的函数进行加噪以及去噪的效果来看，选择合适的参数较为重要。